网站/应用上哪些页面获得的浏览次数最多？
在 Universal Analytics 中，我们习惯于查看按“网页路径”维度以及“网页浏览量”“唯一身份浏览量”“跳出率”等指标细分的“网页”报告。在 Google Analytics（分析）4 媒体资源中，虽然“网页”报告看上去有所不同，但您仍可以在“探索”中轻松重新创建要了解的探索对象。
首先，您需要使用“+”图标再启用一个维度，以在“探索”的“标签页设置”窗格中添加维度。具体而言，您需要添加“网页路径 + 查询字符串”维度。如果您还想按网页标题查看数据（在 UA 中，“网页”报告使用的是“网页路径”），则可以再启用一个“网页标题和屏幕名称”维度。
接下来，您需要添加“查看次数”指标，以便将其纳入探索中。如需执行此操作，请在“变量”窗格中点击“指标”部分的“+”图标，然后搜索要添加的“查看次数”指标。
如要创建网页探索，您需要移除行和列设置中应用的默认指标和维度，然后将“网页路径和查询字符串”添加为行维度，将“查看次数”添加为列指标。为了便于比较，您还可以将“活跃用户数”添加为列指标，以根据唯一身份用户数了解每个网页的受欢迎程度。
以 Google Merchandise Store 为例，如果您移除首页 (/) 和“购物车”页面，很快就会发现最受欢迎的商品页面是网站的“清仓甩卖”和“男装”专区。
哪些着陆页的效果最好，或者促成的转化最多？
了解用户首先会访问网站或应用的哪些位置有助于您优化用户体验并改进营销工作。在 Universal Analytics 中，您可以在报告界面上直接查看该报告，但 Google Analytics（分析）4 媒体资源中没有该报告。我们可以在“探索”中从零开始重新创建此探索对象。
创建此探索时，您需要添加几项重要的维度和指标，包括“着陆页”维度以及“查看次数”“会话数”和“用户数”等相关的指标。您需要通过“+”图标来启用新的维度和指标：
添加所需的维度和指标后，您就可以将“着陆页”维度添加为行，将相关指标（例如“查看次数”“会话数”和“活跃用户数”）添加为值，从而生成包含这些指标的“着陆页”探索。
通过额外添加“购买”指标，您可以了解消费者在浏览了哪些着陆页后出现了“购买”行为：
现在，您可以了解消费者在浏览了哪些着陆页后出现了“购买”行为，并与总数进行比较，进一步了解着陆页的效果。
用户在网站/应用上搜索哪些内容？网站内容或导航的哪些方面有待改进？
您在“探索”中可能会创建的另一个常见报告是“网站搜索”探索报告。为此，需要完成几个步骤。
首先，您必须启用增强型衡量事件或自定义事件才能收集网站搜索数据。如果您使用的是增强型衡量事件，该事件的名称将为“view_search_results”。接下来，您需要确保已在媒体资源中将“search_term”的参数作为自定义维度进行启用。启用后便可在“探索”中使用。
收集所需的数据后，您便可以创建探索。这包括几个部分。首先，启用“search_term”后才能在“探索”中使用该维度：
启用该维度后，您便可以将其添加到探索中的“行”设置下。然后，您会看到类似于以下内容的输出：
该探索报告显示了大量“(not set)”值，因为分析的是所有事件。如要降低干扰，您需要针对“事件名称”创建一个与“view_search_results”完全匹配的过滤器，以仅显示该事件的数据：
应用过滤器后，更新后的探索报告会显示所列每个字词的搜索量，因此，借助“网站搜索字词”探索报告，您可以：
了解用户在您的网站上搜索了哪些内容，以优化内容来提高用户的互动度和满意度。例如，如果您发现某个搜索字词的搜索量猛增，则可以考虑增加与该字词相关的内容，以帮助网站用户更轻松地查找所需内容或使自己的问题得到解答。
着陆页在一段时间内的效果如何？各网页的受欢迎程度是否相同？
每项探索都提供多种可视化选项。如需查看数据在不同时间的变化趋势，折线图可能会很有帮助。如果想查看着陆页在不同时间的变化趋势，只需在“标签页设置”窗格下，从 6 个可视化图表选项中选择一个，即可更改可视化类型。
将类型变更为折线图后，系统会生成一个图表，显示 10 个最受欢迎的着陆页在一段时间内的趋势。
如果将鼠标悬停在图表上，就可以查看每天对应的数据点。
您可能还会看到以空心圆突出显示的异常值。将光标悬停在空心圆上，就会显示异常值的相关信息。在下方的示例中，根据之前收集的数据，Google Analytics（分析）预计 2 月 2 日会有约 1,000 位活跃用户访问首页，但实际观察到的活跃用户有 2,200 位，比预期高出 116%。
漏斗是一款功能强大的工具，可让您轻松直观地了解用户完成预设步骤的情况。常见的漏斗使用场景是电子商务企业的购物行为流程或结账行为流程。如果您是游戏开发者，需要了解的可能是用户在游戏中的通关情况。我们来看一下每种情况的具体示例。
用户完成购物漏斗的情况如何？
对于购物行为，您可能希望分析不同细分用户群完成购物行为漏斗的情况，例如查看商品、添加到购物车以及购买。您可以从零开始创建此漏斗，也可以使用 Google Merchandise Store GA4 演示帐号中的某个实用的模板。如要使用模板，请转到“探索中心”，向下滚动，然后从所列“演示”探索中选择“购物行为漏斗”。
此探索打开后处于只读状态，不过您可点击右上角的“复制”以复制此演示探索，将其为您所用。复制后，您可以根据需要随意编辑和调整。
Google Merchandise Store 销售的是 Google 品牌的商品，网站上受欢迎的两类商品是带有 Android 品牌和 YouTube 品牌的商品。对这两种商品类别进行比较可能会有助于理解购物行为。为此，您需要创建两个新的细分，每个类别各一个。在这种情况下，您可以创建一个含事件“select_item”且参数“item_name”包含“Android”或“YouTube”的细分。
这些细分会显示在购物行为漏斗中至少点击过 Android 品牌商品或 YouTube 品牌商品的用户。有趣的是，至少点击过 Android 品牌商品的用户出手购买的可能性是与 YouTube 品牌商品互动过的用户的两倍。请注意，这并不意味着他们购买了某个品牌的商品，只是表示他们点击了相应商品。如果您只对某品牌商品的购买情况感兴趣，则应使用购买事件，如下所示：
应用这些细分之后，您的购物行为漏斗比较结果将如下所示：
GA4 中有关漏斗的一项新功能是查看漏斗随时间变化的趋势。如要查看该趋势，您需要在“标签页设置”窗格中将“可视化类型”更改为“趋势漏斗”。系统会打开一个趋势漏斗视图，其中会显示所有步骤在不同时间的趋势。您可以滚动查看每个步骤及细分在每天的数据。
您还可以一次仅查看一个步骤的趋势，以更轻松地直观了解其随时间的变化情况。在本例中，您会发现，截至 3 月 10 日，购买次数出现了一次高峰，而在这之前的数据表明增加现象并不明显。值得一提的是，Android 商品与 YouTube 商品浏览后购买次数的差异几乎完全是发生在这次激增之后，也就是说，自此之后，网站布局或营销工作可能发生了变化，让 Android 商品此后更加显眼。
用户在游戏中的通关情况如何？
这是开发者可能会遇到的与游戏或应用相关的常见问题，您可以通过漏斗分析该问题。
首先，您需要创建特定于关卡进度的步骤。在本例中，您可以使用“level_up”事件，并在 GA4 演示帐号中针对 Flood-it! 的 5 个关卡创建 5 个步骤。
应用这些步骤后，您便可以了解用户通过每个游戏关卡的情况。
通过第一关的用户更有可能继续挑战。这些信息有助于您进行 A/B 测试，通过提供提示或其他方法帮助用户完成第一关，从而降低流失率。
如果您分析上述漏斗随时间变化的趋势，还会发现自 3 月 19 日起，所有步骤的数据都有所提升，表示游戏此时因开始推广或曝光度提高发生了变化。
您还可以对该漏斗进行细分，了解流量获取渠道的变化是否会影响整体通关情况。在本例中，您可以比较直接流量与付费流量的用户获取情况。您会发现，与直接获取的用户相比，通过付费广告系列获取的用户实际留存时间更长（即放弃率更低），这表明您的付费广告可能达到了预期效果。
漏斗探索的另一项非常实用的功能是，您可以针对放弃的用户创建细分或受众群体。在下方的示例中，您会发现，放弃率在第四关左右开始上升。建议您针对在第四关放弃（未进入第五关）的用户创建细分受众群，以此作为受众群体来扩大覆盖面或发送推送通知，鼓励用户重新尝试通关并继续挑战。
如要创建细分受众群，请右键点击您关注的步骤，然后选择“创建细分受众群”。您在这里需要使用的细分受众群还将包含排除第五关的条件，以确保定位到正确的受众群体。
最后，可以在漏斗探索中添加的最后一个指标是“所用时间”这一新指标，方法是在“设置”窗格上切换“显示所用时间”的按钮。执行此操作后，系统会在表格中添加一个新指标列：
了解完成各个步骤平均需要多长时间是衡量客户成功程度的一个重要指标，在本例中是指通关的难易程度。这也是创建需要对其采取措施（例如发送推送通知或再营销消息）的受众群体的好时机。例如，完成第二关平均需要 3 小时 53 分钟。您可以针对放弃这关的用户创建受众群体，方法是右键点击并选择相应选项：
可对该受众群体给予某种鼓励，以免其放弃游戏或应用。
“路径探索”是 GA4“探索”新推出的一项实用功能。您现已可以选择要正推或反推的特定事件或页面/屏幕，以了解用户在您的网站或应用中前进或后退的情形。了解用户在网站上的浏览路径是客户期盼已久的功能，GA4 新推出的路径探索终于可以实现这一目标。
吸引用户将商品添加到购物车的因素是什么？
许多电子商务网站可能都会遇到这个问题，现已可以使用反向路径功能寻找答案。
首先打开新的路径探索并点击右上角的“重新开始”。然后选择一个端点。选择“事件名称”
从滑出式菜单中选择要反推路径的事件。在本例中，我们希望了解哪些因素吸引用户将商品添加到购物车，因此我们选择“添加到购物车”。如果您没有看到要使用的事件名称，可以点击“加载更多”，或者直接使用顶部的搜索栏进行搜索。
这项探索会加载几个基于事件名称填充的步骤。如果想按页面名称替换路径，可以在每个步骤中进行更改。在下方的示例中，我已更改为“网页标题和屏幕类”，并且可以看到有相当数量的用户从“促销”页面将商品添加到购物车。如果我想进一步了解这方面的信息，可以深入探究“促销”页面，看看某些商品是否受欢迎，并据此制定营销策略。
导致用户移除应用的因素是什么？
应用开发者最担心的就是流失（用户移除应用）。反向路径是了解客户为什么从应用中流失的绝佳资源。首先，您需要点击“路径探索”顶部的“重新开始”按钮，以创建新的反向路径。然后选择“app_remove”的事件名称作为起点。
如果您针对几个步骤反推路径，就可以看到可能导致客户流失的活动。在本例中，我们可以看到，大约 13% 的流失是在广告展示后的 2 个步骤内移除了应用。这个比例相当高，意味着您可能需要优化广告的展示方式，避免让用户有负面体验，从而降低流失率。
数据的不同细分之间是否存在值得关注的交集？
使用“细分重叠”分析法可以轻松直观地了解不同用户细分之间的交叉情况。例如，您可以直观了解订阅网站简报的桌面设备用户与移动设备用户的重叠情况，从而更轻松地得知大多数简报注册来自哪个来源，无需再细分表格探索以获得此信息。
为此，您需要先将要分析的细分添加到“变量”窗格。点击“+”图标添加新细分（此操作会打开细分生成工具）。
您可以通过选择事件细分集和要过滤的相应事件（在本例中为“sign_up”）来创建简报注册事件
创建要直观呈现的细分后，您需要双击这些细分以将其添加到“标签页设置”窗格。一次最多可以添加 3 个细分，并通过维恩图直观呈现重叠情况。
在本例中，我添加了“桌面设备流量”“移动设备流量”和“简报注册”细分，以便了解大多数简报注册的来源。
从维恩图和下方表格的第 6 行都可以看出，绝大多数简报注册都来自桌面设备用户。这可能是因为并未根据此目标定制移动设备体验，或者用户体验可能存在问题，导致用户无法轻松注册简报。这种情况下，可能需要向开发团队及用户体验团队深入了解这一问题。
“细分重叠”分析法可以在重叠部分创建新细分，这项功能非常实用。例如，如果我想创建一个包含桌面设备流量和简报注册的新细分，可以在维恩图或表格中右键点击感兴趣的可视化数据部分，然后选择创建细分的选项。
此操作会打开细分生成工具，并根据您选择的细分集预先选择条件。系统会根据所选择的各项条件，生成一个描述性的名称作为该细分的名称，不过您可以根据需要更改该名称。
此外，您还可以选中右上角的复选框，根据此重叠创建受众群体，以便与其他 Google Marketing Platform 产品（例如 Google Ads）共用此受众群体，从而扩大覆盖面。
用户的行为是否因首次访问网站的时间而异？
“同类群组探索”是一款实用工具，可根据用户进入同类群组的时间和方式，了解不同的网站用户群组的行为。更改您在同类群组探索中所分析的指标或计算方式会使其更实用。
在“探索”中首次打开新的同类群组探索后，生成的探索的依据是：包含 first_touch 的同类群组（即用户是否符合同类群组的条件，在本例中指首次访问相应网站或应用）、任何事件的返回条件（即用户返回您的网站或应用并执行任何操作）、活跃用户数指标以及标准的计算类型。您可以获得基本的同类群组探索，了解过去 5 周内每周有多少用户回访您的网站，以及该数量是否因首次访问您的网站或应用的时间而异。
如果您将此探索的指标类型从“总和”更改为“每个同类群组用户”，便可以了解每周的回访百分比。该指标比“总和”指标更实用，因为您可以对每个同类群组的回访用户进行比较。
如果是电子商务网站，您可能还会发现，通过将“价值”从“活跃用户数”更改为“购买收入”指标，您不仅可以查看用户数，还可以查看每个同类群组带来的收入价值。您可以将其视作同类群组的总和，也可以按同类群组用户进行计算。在下面的示例中，您会发现前两个同类群组每周产生的收入非常少，但从第三个同类群组开始，收入开始增加。
如果您将计算方式从“标准”改为“累计”，则可以查看每个同类群组对业务收入的整体影响。
在本例中，数据显示，大约从 3 月 7 日那一周开始，可能增强了营销举措，将转化率较高的用户吸引到 Google Merchandise Store。
哪些引荐来源可以带来最有价值的用户？
此信息有助于营销团队了解哪些引荐来源适合与之展开合作。在这种情况下，该值表示用户不太可能流失，具有较高的预期生命周期收入和历史生命周期价值。
创建此探索时，您需要先添加所需的指标和维度，才能探索流失率、生命周期价值和生命周期收入等数据。我们将使用“来源”和“媒介”作为维度，并在“变量”窗格中的指标部分使用“+”图标，从“用户生命周期”部分添加其他指标。
应用这些指标和维度后，您会看到许多行没有流失率值，因为这些用户不符合使用流失率预测模型的条件。您可以创建一个流失率大于 0 的过滤器，以排除算不出流失率的所有用户。您便会看到一个简洁的探索结果，如下所示：
然后，您可以按流失率对数据进行排序，看看是否有广告系列能吸引到预计流失率较低的大量用户。与预测流失率较高的广告系列相比，这些广告系列更有可能带来互动度更高的用户。
同样，您可以查看预测的购买次数、历史生命周期价值和预测的互动度，以确定单次会话后获取的用户价值。
请参考下方的屏幕截图，在本例中，有几行非 Google 引荐来源，为 Google Merchandise Store 吸引的用户数虽然较少，但流失率较低、互动时长较高、交易量较高且平均生命周期价值较好。这些引荐链接似乎能给该商店带来不错的价值，因此，建议营销团队与之联系，进一步开展合作。